Chapter Content
えー、第6章、抽象化としての創発、っていう話ですね。
まず、物理的な側面と情報的な側面を繋げるっていうのが大事になってきます。自然界って、物理的なもので出来ていて、それが情報を処理して問題を解決してるわけじゃないですか。だから、その物理的なことと情報的なことを結びつけることで、小さいパーツが集まって大きなものが生まれるときに、その小さいパーツが何をしてるのか理解できる、と。
まあ、今の科学って、複雑系を理解するのをちょっと間違ってる部分もあるんですけど、情報理論とか、計算理論とか、進化論とか、役に立つ考え方もあるんですよ。前に、物理的な抽象化とか、自然界の構造の作り方とか、難しい問題の自然な解き方とか、そういう話をしたときに、ちょっと触れましたよね。今回は、そういう分野をもうちょっと深く考えて、創発がどうやって起こるのか、その仕組みを考えていきたいんです。
この創発の説明は、今、科学の世界で広く認められているものとか、合意された説明とはちょっと違うんです。っていうのも、科学の世界は、まだまだ要素に分解して考える還元主義的な考え方が強くて、創発がどう起こるのか、ちゃんと定義できてないんですよ。だから、ここでは、情報とか、計算とか、進化に関わる性質に基づいて、僕が一番理にかなってると思う説明をします。既存の理論と共通する部分もあると思うけど、これはあくまで僕なりの考え方です。
まず、情報理論の基本的な考え方から見ていきましょう。情報理論って、情報、特に通信に関わる情報の量を測る、応用数学とコンピュータ科学の分野なんです。情報理論の基礎を作ったのは、1940年代にクロード・シャノンっていうコンピュータ科学者で数学者なんですけどね。情報理論で一番重要なのは、エントロピーっていう概念ですね。これは、もともと熱力学から来ていて、ルドルフ・クラウジウスとか、ルートヴィヒ・ボルツマンっていう物理学者が大きく貢献してるんです。
熱力学のエントロピーは、分子のミクロな動きとか、システムが平衡状態に向かう性質に関係してるんですけど、シャノンのエントロピーは、ランダムなプロセスの結果を説明したり予測したりするのに必要な情報の量に関係してるんです。普通は、別々に考えられることが多いんだけど、実は、根本的に繋がってるんですよ。っていうか、僕は、同じことの違う側面を見てるだけだと思ってます。情報って、必ず物理的な基盤から生まれるものじゃないですか。物理的なエントロピーも情報的なエントロピーも、自然が創造性を発揮する上で、すごく重要な役割を果たしてるんです。シャノンとボルツマンが、同じ概念にたどり着くのは、当然だったと思いますよ。
情報理論は、対象となるシステムの物理的な側面を抽象化することで、統計的な振る舞いから生まれるより高いレベルのパターンに注目することができるんです。だから、複雑なシステムについて、細かい、必要のない、そして、たいてい間違ってる詳細に迷い込むことなく議論できるんです。情報理論は、通信システムとか、生物のネットワークとか、社会的な相互作用とか、色んな分野に自然に適用できるんですけど、それは、自然の本質的な側面だけが、色んなものと深く普遍的に繋がってるから、当然のことなんですよ。
エントロピーは、システムの中にある乱雑さの尺度として機能するから、不確実性を定量化できるんです。エントロピーを説明するときに「乱雑さ」っていう言葉を使うのが嫌いな科学者も多いんですけど、エントロピーの値が大きいのに、システムがより秩序立ってるように見える場合もあるから。でも、これは、言葉の問題っていうか、意味合いの問題で、大事なのは、エントロピーが大きいほど、不確実性が大きくなるってことなんです。部屋が散らかってるほど、どこに何があるか分からなくなるのと同じですよね。
物理的な世界では、エントロピーは、あるマクロな状態に対応するミクロな配置、つまり、粒子の配置の数を教えてくれるんです。私たちが観察するマクロな性質、例えば、温度とか、圧力とか、体積とか、そういうものと一致する、可能なミクロな配置の数を数える方法なんです。マクロな性質っていうのは、私たちが測れるもののことで、ミクロな視点っていうのは、個々の粒子、例えば、原子とか、分子とか、そういうもののことです。
システムが、より多くの可能な配置を持つほど、予測は難しくなります。可能性が多いほど、何がどうなるか、確信が持てなくなるからです。容器全体に均一に広がってるガスは、片側に閉じ込められてるガスよりも、エントロピーが高いんです。
エントロピーは、あるプロセスの結果を説明したり予測したりするのに必要な情報の平均量とも考えられます。コインを投げるとき、表が出るか裏が出るか、最大限の不確実性があるので、これは、最大のエントロピーを持つプロセスを示してるんです。でも、ペンチでコインを曲げたら、結果はかなり予測できるようになるので、エントロピーは低くなります。
シャノンのエントロピーは、様々な結果に関連する確率の分布を測ることで、この不確実性を捉えるんです。これは、何千枚ものコインを投げて、表が出た回数と裏が出た回数を記録して、その結果を棒グラフで表すのに似ています。それぞれの棒が、表と裏の回数を表してるわけですね。
もちろん、グラフ上の2本の棒は、分布とは言えませんよね。現実は、コイン投げとは違うんです。現実のシステムは、数え切れないほどの可能な配置、つまり「兆の面を持つコイン」を持っているので、それらの配置の相対的な頻度を表そうとすると、なめらかになって、曲線として現れます。これが、教科書によくある滑らかな分布、一番有名なのは、ベルカーブですね。コイン投げでは、2つの結果しかないから、ベルカーブは作れませんけど、人の身長とかは、ベルカーブになるんです。一番可能性の高い結果は、分布のピークで、ほとんどの人の身長は、その狭い範囲に収まります。
でも、ベルカーブは、複雑性を捉えられないんです。なぜなら、相互作用がないから。個々の身長は、独立してるんです。身長は、お互いに「話す」ことはないんです。友達の身長が、自分の身長に影響を与えることはないから、人間の平均身長は、ちゃんと決まってるんです。これは、複雑性とは全然違うんです。複雑性っていうのは、たくさんの要素が、たくさん相互作用することで定義されるものだから。複雑なシステムの中の数え切れないほどの相互作用が、構造や振る舞いを決定する性質を生み出すんです。だから、分布っていう考え方は、単純すぎるんです。自然界に存在する「分布」が、教科書で見るようなものと似てる可能性は低いと思います。
エントロピーが教えてくれる重要な概念は、一つのマクロな観測可能なものに対して、たくさんの異なる配置が存在するってことなんです。それこそが、創発が実際に起こるプロセスを一番良く説明できるメカニズムだと、僕は考えています。個別のステップが積み重なって結果を生み出す、みたいな考え方じゃなくて、統計的に一番可能性の高い配置から生まれるものなんです。
複雑性っていうのは、物理的な物質を使って、情報的なことをすることなんです。だから、自然のシステムにはプロセスが存在するんです。物質を配置して、インプットをアウトプットに変換して、問題を解決するために。エントロピーは、情報量の尺度だから、情報が処理される過程で、すごく重要な役割を果たすんです。物理的なプロセスはすべて情報を変換するので、自然の問題解決は、エントロピーの変化を示すはずなんです。
熱い物体から冷たい物体に熱が流れると、熱エネルギーが粒子間に均等に分散されるので、エントロピーは増加します。化学反応で、反応物が生成物に変わるときも、エントロピーは増加します。氷が水に溶けるような相転移では、水分子が液体中でより無秩序になるため、エントロピーが増加します。ガスがより大きな体積に膨張するときは、常にエントロピーが増加します。
自然が物体を作るとき、エントロピーは（局所的に）減少するのも見られます。生物は、それらを作り出した無秩序に比べて、エントロピーの低い構造体です。生命は、周囲から絶えずエネルギーを取り込むおかげで、エントロピーの低い構造を組織化し、維持することができます。物質が溶液から凝固するとき、原子や分子の配置は、しばしばより秩序立ちます。鳥の群れや魚の群れには、秩序が自然に生まれることがあります。
エンティティが、圧力とか体積とか、私たちが観察するマクロな特性と一致する、より多くのミクロな配置（ミクロステート）を持つ場合、そのエンティティは、より高いエントロピーを持つことが分かっています。あるシステムに歩み寄り、その圧力を測定することを想像してみてください。その圧力は、その圧力を生み出す最も多くのミクロな配置（原子の配置）を持つものになります。私たちが観察したかもしれない、他の可能な圧力はすべて、その値に関連付けられたミクロな配置が少ないと予想できます。言い換えれば、私たちが観察するのは、システムの最も可能性の高い状態であり、定義上、それは私たちが目にしているものを生み出す、基礎となるミクロステートの数が最も多い状態です。
システムは、自然にアクセス可能なミクロステートの数が最大の状態に向かって進化します。これは、圧力や温度に限ったことではありません。私たちが観察する物理的な構造と振る舞いは、その外観と一致するミクロステートの数が最も多いから生じると予想できます。これは、複雑なシステムがどのように機能するかという一般的な特性であり、原子の配置だけに限定されるものではありません。これは、すべてのスケールで展開されるメカニズムです。
自然に見られる創発的な構造について考えてみてください。これらは、多くの要素の相互作用から生じるパターンです。これらの要素は、何らかのマクロな創発的な構造に対応する、より低いレベルのミクロステートです。繰り返しますが、ミクロなものは、実際にサイズがミクロなものを指す必要はなく、単に私たちが観察するレベルより下のレベルを指します。
生命におけるエントロピーの役割は、長い間議論されてきました。一方では、熱力学の第二法則は、孤立したシステムではエントロピーは常に増加すると述べており、構造はより高い無秩序の状態に向かって進化することを示唆しています。しかし、生物は、ある意味で高度に秩序だった構造であり、エントロピーが低いという特徴があります。このパラドックスの解決策は、生命のシステムが、周囲のエントロピーを増加させることを犠牲にして、エントロピーを局所的にのみ減少させることです。これは、生物がエネルギーと物質を環境と交換するため、孤立したシステムではないことを意味します。
しかし、生物を高度に秩序立っていて開かれたものとして特徴付けるだけでは、全体像を捉えられません。単一のエンティティ内では、より低いレベルでのより多くの無秩序（より高いエントロピー）が、より高いレベルでのより多くの秩序を生み出すと予想されるはずです。これが、創発的な構造が、安定したシステムが持ち得る最大限のエントロピーから生じる理由です。これは、エントロピーが明確な意味で低下または増加しているのではなく、常に流動的であり、低レベルのエントロピーの増加が、より高いスケールでのエントロピーの減少を促進していることを意味します。
いずれにせよ、ここで最も重要な点は、創発の説明が、レベル間の因果関係の連鎖を必要としないということです。創発は、還元主義または決定論的な推論に基づく近似を必要としません。エントロピーの観点から見ると、創発は単に、最も多くの下位レベルの物質が、私たちが観察、測定、経験する構造と振る舞いに対応することの物理的な結果です。
ゼブラフィッシュのストライプは、私たちが目にしているものです。それらがどのように形成されるのかを尋ねるのは、間違った質問です。何らかの因果関係の物語を組み立てようとする、細胞イメージングや遺伝子ツールは、決して正しく答えることはできません。しかし、私たちが知っているのは、ストライプが最も高いレベル（n）に存在し、下の細胞（n-1）から生じたに違いないということです。これは、下の細胞が、私たちが見ているストライプと一致する、最も可能な配置で存在していなければならないことを意味します。可能なすべての細胞の配置の中で、ストライプを生み出すように機能するものが最も多いのです。
アリのコロニーは、洗練された自己組織化、分業、ロバスト性、適応性、そして非常に効率性を示しています。これらの特性は、創発的なパターンとして現れます。そのようなパターンがどこから来るのかを教えてくれる因果関係の連鎖はありませんが、そのようなパターン（n）は、私たちが観察するマクロなパターンと一致する、最もミクロな配置から生じなければならないことが分かっています。これこそが、創発だと私は考えています。
すでに述べたように、このすべてがもたらす別の重要な結果は、エントロピーを1つのスケールだけで適切に議論することはできないということです。エントロピーの増加と減少が、単一のエンティティ内で同時に起こることを期待すべきです。自然な解決策は、システムのより低いレベルが、より高いレベルよりも多くのエントロピーを持つことになります。ゼブラフィッシュのストライプは、細胞などの次のレベルの構造よりも、エントロピーが低くなければなりません。だからこそ、私たちは内側の詳細が、私たちが見ている高レベルの秩序よりも乱雑だと考えるのです。
これは、自然の物理的なシステムと同じくらい、哲学にも当てはまります。最後の文は、ほとんどの科学者をぞっとさせるでしょうが、彼らの不満の原因は、客観的な真実の欠如ではなく、彼らが滅びゆく還元主義的なパラダイムに依存していることです。現実は、究極的には情報的で計算的であり、この設定内には、扱いやすさの程度があります。存在する不変の真実（時の試練に耐えてきたもの）は、最も高いレベルの抽象化に存在するものであり、具体的な詳細は常に流動的です。
これは、哲学に関する価値観の表明でも、科学の分野にそれらを組み込もうとする試みでもありません。これは、情報と計算に基づいて、システムがどのように振る舞うかという、否定できない論理に過ぎません。これが、自然が（適切な定義を使って）どのように機能するかということです。好き嫌いにかかわらず。
ベルカーブのピークが、私たちが人々のグループで観察する最も可能性の高い身長を教えてくれるように、任意の分布のピークは、確率が最も集中している場所です。この確率密度の最高点が、私たちが見ることを期待できるものを教えてくれます。これが、システムの最も多くのミクロステートが、私たちが観察するものに対応する場所です。もちろん、自然はベルカーブのような基本的なものは何も使用しませんが、要点は変わりません。分布のピークは、統計的に最も多くの構造/振る舞いを生み出す配置が存在する場所だから、確率的に私たちが観察するものなのです。
したがって、創発的な構造を、確率分布の物理的なバージョンとして考えることができます。熱力学と情報理論のエントロピーの解釈を、単一の解釈に集約することで、創発が実際に何であるかを見始めることができます。
エントロピーは、基礎となる配置と、私たちが観察するマクロな属性との間のつながりを示しています。自然の中でどのスケールで見ても、観察された構造が、可能性の分布のピークになることを期待すべきです。そのピークは、同じ結果を生み出す最も可能な配置を表しています。これは、自然の中で観察している特徴が何であれ、それが最も可能な方法で達成できるものであることを意味します。
したがって、難しい問題に対する正しい答えを計算する方法は、常にたくさんあります。なぜなら、自然の創発的な構造は、その計算構造であり、これらは、可能な多くのミクロステートをその存在にマッピングすることによって到達するからです。これは、複雑なオブジェクトで、単一のパスが結果を生み出すことは物理的に不可能であることを意味します。
この事実だけでも、還元主義の概念と、自然のシステムが内部的に決定論的である可能性があるという前提を完全に排除します。自然の何かを構成する個々の要素は、定義上、結果に決定論的に接続されていません。複雑なシステムに根本的な原因はあり得ません。なぜなら、達成する方法が最も多いものは、根本的な原因を持つことができないからです。エントロピーは、インプットからアウトプットへのパスが存在するのではなく、同じアウトプットを生み出すために、無数の方法でシステムがそれ自体を配置していることを教えてくれます。これが、自然がそれ自体を構造化する方法であり、私たちが目にしているものを生み出すために、情報を処理するのは、これらの構造です。
自然の解決策は、多重に実現可能です。自然環境で私たちが測定、観察、経験するものは、最も可能な方法で達成できるものです。
ここで、私は強い主張をします。創発は、私たちが自然の中で時々出会うニッチな現象ではなく、むしろそれが自然そのものです。任意のスケールで任意のシステムを見るとき、私たちは決定論的に決定されたものを見ているのではありません。私たちが見ているものを構成する要素は、それぞれ個別の役割を持っているわけではありません。それらは、新しい相乗効果的なエンティティ、つまり、明確で独立した存在を持つものに貢献します。創発は通常、個々の要素が、個別の効果の合計よりも大きな組み合わせ効果を生み出すものと考えられています。これは事実ですが、「より大きい」という言葉は問題があります。それは、全体が依然として個々の要素に因果的に接続されていることを示唆しています。創発は、個々の要素の集合から、明確な機能を持つ完全に新しいオブジェクトへの突然の移行だと私は主張します。この創発は、下位レベルと上位レベルの間の因果関係の概念をすべて消し去ります。
各スケールで生じる明確な機能は、固有のアウトプットを計算する配置の情報的および計算的な実現の結果です。自然は、与えられた問題を解決するために必要なものを作り出し、これが起こり得る唯一の方法は、エントロピー的に駆動される多重実現可能なメカニズムによるものです。可能な多くのインプットから、いくつかの特定のインプットへのマッピングが存在しなければなりません。これは、決定論的な因果パスを使用するのではなく、エントロピー的に駆動される情報圧縮によってのみ可能です。
原子構造は、中性子、陽子、電子が何らかの単純な方法で連携した結果ではありません。周期表上の水素を超えるすべての原子は、正確に解くことができないため、これが事実であることを私たちはすでに知っています。3体問題に入ると、システム内のコンポーネント間の相互作用により、正確な決定論的予測を行うことができなくなります。このような計算は「近似的に」扱われますが、第5章で私が主張したように、自然は近似ではありません。今日使用されている計算は、基礎となる決定論を前提としており、その決定論のよりソフトなバージョンを作成しようとしています。しかし、自然がそのさまざまなスケールを完全に新しいエンティティとして突然移行させる場合、これらの計算は近似ではなく、ニアミスに近いものです。近似とは、問題を直接アプローチした場合ほど良くも正確でもない答えです。数値法、ヒューリスティック、数理最適化、機械学習などのアプローチを使用する場合、実際には「近似解」を見つけているのではなく、近似するものがないためです。これらのテクニックは、より深い因果関係の現実の上に座っているわけではありません。
計算でより直接的になることは、概念的にもあり得ないと私は主張します。異なるスケール（例えば、分子対原子、細胞対オルガネラ）で物事を観察することは、完全に新しいものを観察することです。複雑さをモデル化するために使用する計算は、実際には現実のものに近く、基礎となる現実に近いものではありません。言い換えれば、複雑な現象を論理的に定義したり、予測したりするように見える優れたモデルは、現象そのものに似たものになりつつあります。
これは、一部の人が強い創発と呼ぶものに近いです。弱い創発は、より単純なコンポーネントの相互作用から生じる特性と振る舞いは、基礎となるルールとこれらのコンポーネントの相互作用の観点から完全に説明可能であることを示唆しています。対照的に、強い創発は、複雑な現象に見られる構造と振る舞いは、システムのコンポーネントの基礎となるルールと相互作用によって還元または説明できないと主張します。私は同意しますが、複雑さを科学のニッチな一角に追いやることはありません。創発は自然です。すべてです。そして、これは単なる信念ではなく、情報、計算、進化の既知の特性に沿った提案されたメカニズムに基づいています。
私がここで主張する創発は、自然が現在の科学と工学のパラダイムの還元主義的な前提から完全に切り離されていることを意味します。還元主義的な見方は特定の状況で機能しますが、最終的には正しくありません。古典力学が非常に役立つ一方で、最終的には間違っているのと同じです。しかし、古典力学は依然として有用ですが、複雑さの時代に構築しなければならないものは、還元主義と設計を完全に無効にします。複雑なシステムの内部に手を伸ばし、その要素を意図的に配置することは、役に立たない、または危険な結果しか生み出しません。
複雑さと創発を、特定の現象にのみ関連するものとして考えるのではなく、創発が自然であることを認める方が、知的にもっと正直です。普遍的な特性の観点から自然を見ることで、この説明は本当に厳密なものになります。それは、内側の因果関係についての証明できない物語を呼び出すことはありません。それは、実際に起こることに基づいています。
柔軟な決定論は、自然の解決策を、人類の歴史を通して使用されてきたルールベースのエンジニアリングとはまったく異なるものにします。しかし、自然の解決策は、ルールとの共通点があります。それは、インプットをアウトプットに変換することです。この変換がルールベースのエンジニアリングと大きく異なるのは、自然の計算が、1対1のイベントの因果関係の連鎖ではないということです。自然は、同じインプットに対して同じアウトプットを生み出しません。自然は、与えられた問題を解決する一連の使い慣れたアウトプットに、多くの異なるインプットを詰め込みます。この詰め込みは、極端な形で起こります。つまり、より少ないアウトプットに変換される無数のインプットがあります。ビーバーが直面するさまざまな環境上の課題のすべての中で、それは常に同じ少数のビーバーのアウトプットを生み出します。これが、自然に見られる柔軟な決定論です。
自然の解決策は、変換を行う一連のルールではあり得ません。それらは何か他のものでなければなりません。私たちはすでに、この何か他のものが、自然によって作られた物理的な抽象化であることを確認しました。しかし、自然の解決策が柔軟な決定論を保持できるようにする物理的な抽象化は何をしているのでしょうか？答えは、情報圧縮でなければなりません。
情報圧縮は、重要な情報を失うことなく、データのサイズを縮小するプロセスを指す、情報理論からの別の重要な概念です。通信では、これは、より効率的な方法でデータを表現する方法を見つけることと考えることができます。したがって、より少ないビットを使用して保存または送信できます。これは通常、データ内の冗長性を利用することによって実現されます。反復または予測可能性は、メッセージを受信した後に再構築できるためです。
「AAAABBBCCDAA」のような文字の文字列があると想像してみてください。繰り返されるパターンをより効率的に表現することで、そのサイズを縮小することで、より効率的な方法でワイヤー上でこれを送信できます。繰り返される文字のシーケンスを、文字自体に続いて繰り返される回数で表すことができます。元の文字の文字列を「4A3B2C1D2A」としてエンコードします。メッセージは、12文字から10文字に「圧縮」されました。たいしたことではないように思えますが、データが多い場合は、大きな違いを生む可能性があります。受信側（解凍）では、各文字に続いて繰り返される回数を展開するだけで、元のメッセージに戻ります。今日のコンピューターで使用されている最新の圧縮アルゴリズムは、このアプローチを使用して、ファイル、写真、その他のアイテムを効率的に保存します。
情報圧縮は、自然がその創発的な構造を介して達成していることです。自然の解決策における創発的な構造が、数え切れないほどの可能性を、数少ないアウトプットに変換し、そのホストの課題を解決するため、これが当てはまらなければなりません。
これが、自然が非常に柔軟で適応性がある理由です。チーターが臨機応変に動く能力や、非常に多くの状況でそのスピードを実行する能力について考えるとき、私たちは自動車のようなものと比較して、その洗練さに驚かされます。しかし、これが私たちを驚かせる理由は、私たちが単純なシステムの観点から考えているからです。人々は、個別のコンポーネントが互いにぶつかり合っていることを視覚化し、動物がどのように多くの要因を考慮しているのか疑問に思うでしょう。
しかし、情報圧縮のレンズを通して、物事を適切に見ると、チーターがどのようにこのレベルの洗練さを達成できるのかを理解できます。チーターに地形の違い、障害物、気象条件、他の獲物からの競争などとして表現される無数のインプットは、チーターが効果的に走ることを可能にする数少ないアウトプットに削減されています。人間が作ったオブジェクト（AIのようなものを除く）は、これを行うことはできません。そのようなオブジェクトは、情報を明示的に処理することを考慮するために、個々の要素を必要とします。そのような決定論的な機械が、高度に巧妙で狭い環境の外で動作するには、アウトプットに変換するインプットが多すぎます。物理的な物質によって実現された情報圧縮のみが、自然がその行っていることを可能にします。
自然によって作られた物理的な抽象化は、すべての抽象化が行うことを行います。それらは、情報をより少ないアウトプットに圧縮します。しかし、自然の物理的な抽象化は、伝統的なエンジニアリングの設計された物理的な抽象化よりも、精神的な抽象化のプロセスとより多くの共通点があります。伝統的なエンジニアリングが、レベル間の明示的な因果関係を作成することによって、引っ張る必要のあるレバーの数を減らす一方で、自然の物理的な抽象化は、計算に必要なリソースを減らします。
自然に見られる創発的な構造と振る舞いは、それらがどのように情報を処理するかという観点から最もよく理解できます。そして、それらが情報を処理する方法は、数え切れないほどのインプットを、より少ないアウトプットに圧縮することです。私たちの心が、すべての下位の概念の共通名詞として機能する概念を形成するのと同じように、自然は、下位の物理的な詳細が従う構造を生み出します。犬がすべての犬種のカテゴリーであるのと同じように、ゼブラフィッシュのストライプは、これらのストライプを可能にするすべての下位の組織または細胞の物理的な「カテゴリー」です。
精神的に、抽象化を作成することは、複雑な環境を操作し、難しい問題を解決する際に、認知負荷を軽減することです。表面上は異なるものを、より深い共有構造に基づいて、単一のカテゴリーにグループ化することで、答えを計算するために必要な処理能力の量を制限します。しかし、これは単なる情報的な現象ではありません。すでに述べたように、物理的なものを情報的なものから完全に分離することはできません。自然の物理的な構造は、問題を解決するために存在し、問題解決は情報的なことです。自然の中では常に、インプットからアウトプットへの情報の変換が起こっています。
木全体とその個々の枝と葉を比較するなど、異なるスケールで自然の解決策を見ることは、システムの異なるインターフェースを見ることです。これらのインターフェース、その物理的な抽象化は、抽象化による進歩に従って、自然によって作成されました。木は、その枝が解決する問題を解決するのに止まらず、木全体を作ることによって、より難しい問題を解決します。
木の枝と木全体は、異なる問題を扱い、木の生存と全体的な生態学的機能のより広い文脈の中で、異なる役割を果たします。枝は、光合成を最大化し、構造的なサポートを提供するのに使用されます。木全体は、その根系を通して地面にそれ自体を固定し、土壌から水と栄養素を抽出するという、より難しい問題を解決します。
木は、精神的にだけでなく、物理的にも、異なるレベルの抽象化に存在するインターフェースのシステムです。「木」や「枝」などの自然の中で定義する区分は、自然がその生存の課題に対する答えを計算するために作成した物理的な抽象化です。これらのレベルは、ずっと下まであります。木から、枝や葉に移動し、さらに下位の顕微鏡的な細胞レベル、さらに下位の細胞を作る原子と分子に移動します。異なるレベルをどのように区分するかは関係ありません。各レベルは、特定の種類の情報を処理することを意味し、問題を解決しています。
ここで、私は単に精神的な抽象化を具体化しているだけだと主張する人もいるかもしれません。木の異なるスケールは、人間が精神的に行う便利な区分に過ぎないと。さらに、役割とレベルを定義することで、私が反対している還元主義に依存しているように見えるかもしれません。そうではありません。なぜなら、私が識別している役割は、グループが存在しなくなると意味を失うからです。還元主義の下では、細胞内のオルガネラは、自己完結型の定義を持っています。ミトコンドリアは、細胞呼吸を通してエネルギーを生産する責任があります。これは事実ですが、その役割は細胞の外では意味を持ちません。他のすべてのオルガネラとそれらが存在するマトリックスがなければ、細胞呼吸を通してエネルギーを生産する意味はありません。これは実際、個々の役割の識別を、還元主義が示唆するよりもはるかに意味のないものにします。さらに重要なこと